网页搜索已成为工具集成大模型的重要能力，但随着交互历史增长，智能体容易丢失任务进度。尤其在多次搜索没有得到有效证据时，单智能体和多智能体系统都可能重复尝试相似路径，消耗预算并影响最终答案的完整性。SearchOS 的切入点不是再增加一个搜索角色，而是把搜索过程变成可持久化、可共享的显式状态。
把开放域检索改写为结构化补全
SearchOS 将开放域信息搜集表述为带有引用依据的关系模式补全：智能体需要发现实体，在相互关联的表中填充属性，并把每个值锚定到来源证据。这样，系统关注的不只是生成一段看似完整的回答，还能追踪哪些字段已经获得证据、哪些关系仍待确认，以及最终内容由什么来源支撑。
围绕这一表述，Search-Oriented Context Management（SOCM）把动态搜索状态拆成四部分：Frontier Task 保存待处理任务，Evidence Graph 组织已发现证据及其关联，Coverage Map 标记信息覆盖情况，Failure Memory 记录失败尝试。与仅依赖模型上下文相比，这些外部状态更适合跨智能体共享，也为识别停滞和避免重复搜索提供了系统层依据。
用流水线调度填补覆盖缺口
在 SOCM 之上，SearchOS 采用流水线并行调度：多个子智能体的执行相互重叠，一旦有槽位释放，系统就用面向未解决覆盖缺口的任务补位，以改善资源利用率和处理吞吐。其 Search Tool Middleware Harness 位于模型与搜索工具之间，拦截并记录交互中的落地证据，同时在搜索停滞或预算耗尽时介入控制。
这一设计把协调逻辑从提示词和对话历史中抽离出来。任务分配、证据记录、缺口识别与失败处理不再完全依赖模型自行记忆，而由中间件和共享状态共同承担，更接近可观测、可调度的搜索执行系统。
我的判断
SearchOS 最有价值的部分，是把多智能体搜索的问题定位为状态管理与执行调度问题，而非单纯扩大模型能力。它适合需要搜集多个实体、属性和引用，且任务能够表示为关联表格的信息整理场景。边界也很明确：关系模式需要能够预先定义或在执行中稳定维护；对于目标模糊、评价高度主观的探索任务，Coverage Map 未必容易构造。现有材料没有给出实验指标或与其他系统的量化比较，因此目前可以确认的是架构思路较完整，但其实际效率、鲁棒性与额外系统开销仍需结合论文实验判断。